Paper Instruments 发布了 Ultramarine 1 Flash,这是一个在专业知识工作上训练的开放模型,采用了新颖的强化学习方法。这种称为任务-评分标准协同设计的方法,使用合成数据和详细的评分标准来评判不可验证的任务,克服了传统 RL 和昂贵的人工反馈的局限性。该模型在知识工作基准测试上达到了 Fable 级别的性能,成本远低于 Claude Fable 5 和 Claude Opus 5.5 等现有模型,有可能使法律、金融和咨询等领域的 AI 辅助更加普及,并实现具有细微情感智能和创造性输出的 AI 伴侣。 AI
影响 这种新的训练方法可以使专业服务的 AI 辅助更加经济实惠,并实现更具细微差别的 AI 伴侣。
排序理由 该条目描述了一个新的开放模型发布和一种新颖的 AI 训练方法,将其定位为一项研究进展。[lever_c_demoted from research: ic=1 ai=1.0]
- Claude Fable 5
- Claude Opus 5.5
- GLM-5.3 Flash
- OpenClaw
- reinforcement learning from human feedback
- Ultramarine 1 Flash
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →